Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas

Miyagawa, Makoto; http://lattes.cnpq.br/7692742443591984

Dissertação

Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas

A utilização da tomografia por coerência óptica intravascular (IVOCT) permite que especialistas possam avaliar lesões coronarianas em alta resolução. A automatização de algumas etapas da análise poderia beneficiá-los, uma vez que a análise visual dos frames em um pullback é trabalhosa e consome muit...

ver descrição completa

Autor principal:	Miyagawa, Makoto
Outros Autores:	http://lattes.cnpq.br/7692742443591984
Grau:	Dissertação
Idioma:	por
Publicado em:	Universidade Federal do Amazonas 2019
Assuntos:	Doenças cardiovasculares Tomografia por coerência óptica intravascular Redes neurais convolutivas Transferência de aprendizado Segmentação do lúmen Detecção de bifurcação ENGENHARIAS: ENGENHARIA ELÉTRICA
Acesso em linha:	https://tede.ufam.edu.br/handle/tede/6967

id	oai:https:--tede.ufam.edu.br-handle-:tede-6967
recordtype	dspace
spelling	oai:https:--tede.ufam.edu.br-handle-:tede-69672019-02-21T05:03:50Z Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas Lumen segmentation and identification of bifurcation region in intravascular optical coherence tomography images using convolutional neural networks Miyagawa, Makoto Costa Filho, Cícero Ferreira Fernandes http://lattes.cnpq.br/7692742443591984 http://lattes.cnpq.br/3029011770761387 Gutierrez, Marco Antônio http://lattes.cnpq.br/4428534123137232 Pereira, José Raimundo Gomes http://lattes.cnpq.br/3697983438100904 Doenças cardiovasculares Tomografia por coerência óptica intravascular Redes neurais convolutivas Transferência de aprendizado Segmentação do lúmen Detecção de bifurcação ENGENHARIAS: ENGENHARIA ELÉTRICA A utilização da tomografia por coerência óptica intravascular (IVOCT) permite que especialistas possam avaliar lesões coronarianas em alta resolução. A automatização de algumas etapas da análise poderia beneficiá-los, uma vez que a análise visual dos frames em um pullback é trabalhosa e consome muito tempo. Mesmo com a crescente popularidade das redes neurais convolutivas (CNN) na área médica, ainda há poucos trabalhos aplicados a imagens IVOCT para segmentação do lúmen e classificação de região de bifurcação. Neste trabalho, avaliamos três arquiteturas de CNN para a tarefa de segmentação do lúmen e quatro arquiteturas para a tarefa de classificação de região de bifurcação, utilizando um conjunto de imagens IVOCT de nove pullbacks de nove diferentes pacientes. Em relação à segmentação do lúmen, foram avaliadas redes diretas e de grafos acíclicos direcionados (DAG) em diferentes bases de dados, variando a resolução espacial, sistema de coordenadas e espaço de cores. Em relação à classificação de região de bifurcação, além das variações em sistema de coordenadas e espaço de cores nas bases de dados, foram utilizadas técnicas de data augmentation para balanceá-las, de forma a compensar a menor quantidade de imagens de bifurcação, além de utilizar transferência de conhecimento em algumas das redes avaliadas, aplicando a aprendizagem originada de uma das redes de segmentação. Nossos resultados são comparáveis aos outros trabalhos encontrados na literatura, apresentando, para a segmentação, melhores resultados em acurácia, coeficiente Dice e Jaccard acima de 99%, 98% e 97%, respectivamente. Na classificação, apresentou melhores resultados em score F1 (99,68%) e AUC (99,72%) obtidos por uma rede CNN com conhecimento transferido. Intravascular Optical Coherence Tomography (IVOCT) technology enables the experts to analyze coronary lesions from high-resolution images. Some level of automation could benefit experts since visual analysis of pullback frames is a laborious and time-consuming task. Even with the growing popularity of Convolutional Neural Networks (CNN) in the medical area, there are few works in the literature applying them to lumen segmentation and classification of bifurcation regions tasks. In this work, we evaluated three CNN architectures for the lumen segmentation task, and four architectures for bifurcation region classification, using an IVOCT image set of nine pullbacks from nine different patients. Regarding lumen segmentation task, direct networks and direct acyclic graph (DAG) networks were evaluated in different datasets, varying spatial resolution, coordinate systems, and color space. Regarding bifurcation region classification, besides variations in the coordinate systems and color space of the datasets, data augmentation techniques were used to balance them, in order to compensate for the smaller number of bifurcation images, besides using transfer learning in some of the evaluated networks, applying knowledge acquired from one of the segmentation networks. Our results are comparable to the other works found in the literature, presenting, for segmentation, best results in accuracy, Dice coefficient, and Jaccard over 99%, 98%, and 97%, respectively. In classification, better results were presented in F1 score (99,68%), and AUC (99,72%) obtained by a CNN with transferred knowledge. 2019-02-20T14:31:19Z 2019-01-30 Dissertação MIYAGAWA, Makoto. Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas. 2019. 82 f. Dissertação (Mestrado em Engenharia Elétrica) - Faculdade de Tecnologia, Universidade Federal do Amazonas, Manaus, 2019. https://tede.ufam.edu.br/handle/tede/6967 por Acesso Aberto application/pdf Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica
institution	TEDE - Universidade Federal do Amazonas
collection	TEDE-UFAM
language	por
topic	Doenças cardiovasculares Tomografia por coerência óptica intravascular Redes neurais convolutivas Transferência de aprendizado Segmentação do lúmen Detecção de bifurcação ENGENHARIAS: ENGENHARIA ELÉTRICA
spellingShingle	Doenças cardiovasculares Tomografia por coerência óptica intravascular Redes neurais convolutivas Transferência de aprendizado Segmentação do lúmen Detecção de bifurcação ENGENHARIAS: ENGENHARIA ELÉTRICA Miyagawa, Makoto Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas
topic_facet	Doenças cardiovasculares Tomografia por coerência óptica intravascular Redes neurais convolutivas Transferência de aprendizado Segmentação do lúmen Detecção de bifurcação ENGENHARIAS: ENGENHARIA ELÉTRICA
description	A utilização da tomografia por coerência óptica intravascular (IVOCT) permite que especialistas possam avaliar lesões coronarianas em alta resolução. A automatização de algumas etapas da análise poderia beneficiá-los, uma vez que a análise visual dos frames em um pullback é trabalhosa e consome muito tempo. Mesmo com a crescente popularidade das redes neurais convolutivas (CNN) na área médica, ainda há poucos trabalhos aplicados a imagens IVOCT para segmentação do lúmen e classificação de região de bifurcação. Neste trabalho, avaliamos três arquiteturas de CNN para a tarefa de segmentação do lúmen e quatro arquiteturas para a tarefa de classificação de região de bifurcação, utilizando um conjunto de imagens IVOCT de nove pullbacks de nove diferentes pacientes. Em relação à segmentação do lúmen, foram avaliadas redes diretas e de grafos acíclicos direcionados (DAG) em diferentes bases de dados, variando a resolução espacial, sistema de coordenadas e espaço de cores. Em relação à classificação de região de bifurcação, além das variações em sistema de coordenadas e espaço de cores nas bases de dados, foram utilizadas técnicas de data augmentation para balanceá-las, de forma a compensar a menor quantidade de imagens de bifurcação, além de utilizar transferência de conhecimento em algumas das redes avaliadas, aplicando a aprendizagem originada de uma das redes de segmentação. Nossos resultados são comparáveis aos outros trabalhos encontrados na literatura, apresentando, para a segmentação, melhores resultados em acurácia, coeficiente Dice e Jaccard acima de 99%, 98% e 97%, respectivamente. Na classificação, apresentou melhores resultados em score F1 (99,68%) e AUC (99,72%) obtidos por uma rede CNN com conhecimento transferido.
author_additional	Costa Filho, Cícero Ferreira Fernandes
author_additionalStr	Costa Filho, Cícero Ferreira Fernandes
format	Dissertação
author	Miyagawa, Makoto
author2	http://lattes.cnpq.br/7692742443591984
author2Str	http://lattes.cnpq.br/7692742443591984
title	Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas
title_short	Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas
title_full	Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas
title_fullStr	Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas
title_full_unstemmed	Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas
title_sort	segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas
publisher	Universidade Federal do Amazonas
publishDate	2019
url	https://tede.ufam.edu.br/handle/tede/6967
_version_	1831969720374394880
score	11.753735

Segmentação do lúmen e identificação de região de bifurcações em imagens de tomografia por coerência óptica intravascular utilizando redes neurais convolutivas

Registros relacionados